Telegram Group & Telegram Channel
«تحولی در ارزیابی درمان سرطان کبد با هوش مصنوعی: مدل یادگیری عمیق RECORD معرفی شد»

🔬📚📝

مقاله‌ای با عنوان «ارزیابی نتایج درمانی و نقاط پایانی سرطان با استفاده از یادگیری عمیق از تصاویر سی‌تی اسکن در سرطان کبد» در مجله npj Precision Oncology در نوامبر ۲۰۲۴ منتشر شده است.

این پژوهش به توسعه یک مدل یادگیری عمیق به نام RECORD پرداخته است که با استفاده از تصاویر سی‌تی اسکن، پاسخ به درمان در بیماران مبتلا به سرطان کبد را ارزیابی می‌کند. این مدل با بهره‌گیری از شبکه‌های عصبی پیچشی (CNN) و ترانسفورمرهای بینایی (ViT)، حجم تومورهای کبد را اندازه‌گیری کرده و بر اساس مجموع حجم (SOV)، وضعیت بیماری را به صورت پاسخ، ثبات یا پیشرفت طبقه‌بندی می‌کند. همچنین، RECORD قادر به شناسایی ضایعات جدید و پیش‌بینی بقای بدون پیشرفت (PFS) و زمان پاسخ به درمان است.

👩🏻‍💻🧑🏻‍🔬🌝



عملکرد این مدل در سه گروه طولی شامل ۲۰۶ بیمار و ۸۹۱ سی‌تی اسکن از ۶۰ مرکز بین‌المللی ارزیابی شده است. نتایج نشان می‌دهد که RECORD با دقت بالا می‌تواند وضعیت بیماری را طبقه‌بندی کرده، ضایعات جدید را شناسایی و نتایج کلی درمان را ارزیابی کند. پیش‌بینی‌های این مدل با ارزیابی‌های بالینی همبستگی قوی داشته و در تفکیک بیماران با ریسک بالا و پایین برای بقای کلی، عملکرد بهتری نسبت به روش‌های سنتی مانند RECIST نشان داده است.

این پژوهش نشان می‌دهد که استفاده از مدل‌های یادگیری عمیق می‌تواند ارزیابی پاسخ به درمان در سرطان کبد را بهبود بخشد و به عنوان ابزاری کارآمد و عینی در تحلیل ضایعات کبدی مورد استفاده قرار گیرد.

🧬 @fatemehghasemibme ☃️



group-telegram.com/fatemehghasemibme/667
Create:
Last Update:

«تحولی در ارزیابی درمان سرطان کبد با هوش مصنوعی: مدل یادگیری عمیق RECORD معرفی شد»

🔬📚📝

مقاله‌ای با عنوان «ارزیابی نتایج درمانی و نقاط پایانی سرطان با استفاده از یادگیری عمیق از تصاویر سی‌تی اسکن در سرطان کبد» در مجله npj Precision Oncology در نوامبر ۲۰۲۴ منتشر شده است.

این پژوهش به توسعه یک مدل یادگیری عمیق به نام RECORD پرداخته است که با استفاده از تصاویر سی‌تی اسکن، پاسخ به درمان در بیماران مبتلا به سرطان کبد را ارزیابی می‌کند. این مدل با بهره‌گیری از شبکه‌های عصبی پیچشی (CNN) و ترانسفورمرهای بینایی (ViT)، حجم تومورهای کبد را اندازه‌گیری کرده و بر اساس مجموع حجم (SOV)، وضعیت بیماری را به صورت پاسخ، ثبات یا پیشرفت طبقه‌بندی می‌کند. همچنین، RECORD قادر به شناسایی ضایعات جدید و پیش‌بینی بقای بدون پیشرفت (PFS) و زمان پاسخ به درمان است.

👩🏻‍💻🧑🏻‍🔬🌝



عملکرد این مدل در سه گروه طولی شامل ۲۰۶ بیمار و ۸۹۱ سی‌تی اسکن از ۶۰ مرکز بین‌المللی ارزیابی شده است. نتایج نشان می‌دهد که RECORD با دقت بالا می‌تواند وضعیت بیماری را طبقه‌بندی کرده، ضایعات جدید را شناسایی و نتایج کلی درمان را ارزیابی کند. پیش‌بینی‌های این مدل با ارزیابی‌های بالینی همبستگی قوی داشته و در تفکیک بیماران با ریسک بالا و پایین برای بقای کلی، عملکرد بهتری نسبت به روش‌های سنتی مانند RECIST نشان داده است.

این پژوهش نشان می‌دهد که استفاده از مدل‌های یادگیری عمیق می‌تواند ارزیابی پاسخ به درمان در سرطان کبد را بهبود بخشد و به عنوان ابزاری کارآمد و عینی در تحلیل ضایعات کبدی مورد استفاده قرار گیرد.

🧬 @fatemehghasemibme ☃️

BY fatemehghasemi.bme 🧫🧪


Warning: Undefined variable $i in /var/www/group-telegram/post.php on line 260

Share with your friend now:
group-telegram.com/fatemehghasemibme/667

View MORE
Open in Telegram


Telegram | DID YOU KNOW?

Date: |

Lastly, the web previews of t.me links have been given a new look, adding chat backgrounds and design elements from the fully-features Telegram Web client. "There are a lot of things that Telegram could have been doing this whole time. And they know exactly what they are and they've chosen not to do them. That's why I don't trust them," she said. READ MORE These administrators had built substantial positions in these scrips prior to the circulation of recommendations and offloaded their positions subsequent to rise in price of these scrips, making significant profits at the expense of unsuspecting investors, Sebi noted. Telegram users are able to send files of any type up to 2GB each and access them from any device, with no limit on cloud storage, which has made downloading files more popular on the platform.
from sa


Telegram fatemehghasemi.bme 🧫🧪
FROM American